A) Contagem de números primos B) Geração de números aleatórios C) Resolver equações D) Minimizar ou maximizar uma função objetivo
A) O palpite inicial B) A fórmula matemática C) O resultado final D) Limitação das soluções possíveis
A) Simplificação B) Maximização C) Randomização D) Minimização
A) A região com o valor máximo B) O espaço de solução C) O conjunto de todas as soluções viáveis D) A área fora dos condicionalismos
A) Uma solução incorrecta B) Uma solução aleatória C) Uma solução que satisfaz todas as restrições D) Uma solução sem restrições
A) Uma função de restrição B) Função a ser optimizada ou minimizada C) Uma equação sem variáveis D) Uma operação matemática aleatória
A) Método Simplex B) Recozimento simulado C) Adivinhar e verificar D) Tentativa e erro
A) Gera soluções aleatórias B) Avalia o impacto das alterações dos parâmetros na solução C) Seleciona o melhor algoritmo D) Encontra o ótimo global
A) Projeto de algoritmos B) Programação matemática C) Análise quantitativa D) Maximização de funções
A) Uma: otimização geral. B) Três: programação linear, programação não linear e programação inteira. C) Quatro: otimização combinatória, otimização estocástica, otimização dinâmica e otimização robusta. D) Duas: otimização discreta e otimização contínua.
A) Programação linear B) Programação não linear C) Otimização contínua D) Otimização discreta
A) Otimização combinatória B) Otimização discreta C) Programação inteira D) Otimização contínua
A) Otimização local B) Matemática discreta C) Programação linear D) Otimização global
A) 5 B) 1 C) 3 D) 4
A) x = 1 B) x = ∞ C) x = 0 D) x = -1
A) Não, ela não tem limite superior. B) Sim, é infinito. C) Sim, é menos infinito. D) Sim, é 2.
A) John von Neumann B) George B. Dantzig C) Fermat D) Leonid Kantorovich
A) 1960 B) 1947 C) 1939 D) 1950
A) Matrizes semidefinidas. B) Variáveis discretas. C) Variáveis contínuas. D) Variáveis binárias.
A) Simplifica o problema. B) Elimina os compromissos (trade-offs). C) Aumenta a complexidade. D) Reduz o número de soluções.
A) Ótimo de Pareto B) Inferior C) Ineficiente D) Subótimo
A) O algoritmo de otimização B) Um avaliador externo C) O projetista do sistema D) O tomador de decisão
A) Automaticamente, pelo próprio algoritmo. B) Através de sessões interativas com o tomador de decisão. C) Ignorando os objetivos de menor importância. D) Por meio da análise de dados históricos.
A) Otimização global. B) Otimização multimodada. C) O problema de existência. D) O problema de viabilidade.
A) As condições de Karush-Kuhn-Tucker B) Condições de primeira ordem C) Condições de segunda ordem D) Condições de viabilidade
A) Relaxamento lagrangiano. B) Buscas ao longo de linhas. C) Regiões de confiança. D) Métodos de ponto interior.
A) Relaxamento lagrangiano. B) Buscas diretas (ou métodos de busca linear). C) Regiões de confiança. D) Estimativa de momento positivo-negativo.
A) Método da elipsoide B) Aproximação estocástica por perturbação simultânea (SPSA) C) Métodos do ponto interior D) Algoritmos de otimização quântica
A) Descida do gradiente B) Métodos de descida coordenada C) Aproximação estocástica por perturbação simultânea D) Métodos quase-newtonianos
A) Engenharia elétrica. B) Engenharia, especialmente engenharia aeroespacial. C) Microeconomia. D) Cosmologia e astrofísica.
A) Engenharia de controle B) Modelagem molecular C) Pesquisa operacional D) Engenharia civil |